本文關(guān)鍵詞：基于曲線擬合原理的負(fù)荷預(yù)測研究

  更多相關(guān)文章： 多項(xiàng)式模型 曲線擬合 遞推最小二乘法 負(fù)荷預(yù)測

【摘要】：隨著科技與經(jīng)濟(jì)的快速發(fā)展,電力生產(chǎn)部門可以借助準(zhǔn)確的負(fù)荷預(yù)測,對機(jī)組進(jìn)行經(jīng)濟(jì)合理地啟停,并以此制定更合理規(guī)范的檢修計(jì)劃,從而減少負(fù)荷備用容量,降低發(fā)電成本,達(dá)到提高經(jīng)濟(jì)效益的目的。研究具有精度高且實(shí)用性強(qiáng)的負(fù)荷預(yù)測方法對于電力的市場化及智能電網(wǎng)的發(fā)展是非常必要的。為了進(jìn)一步改善中長期負(fù)荷預(yù)測的預(yù)測效果,論文主要研究了以下內(nèi)容:(1)介紹了三種多項(xiàng)式擬合模型。分別介紹了代數(shù)多項(xiàng)式,切比雪夫多項(xiàng)式和雷讓德多項(xiàng)式。三種多項(xiàng)式都廣泛適用于曲線擬合和數(shù)值分析。其中,代數(shù)多項(xiàng)式屬于非正交多項(xiàng)式,而切比雪夫多項(xiàng)式和雷讓德多項(xiàng)式屬于正交多項(xiàng)式,也因?yàn)檫@兩種多項(xiàng)式的優(yōu)良性質(zhì),相比代數(shù)多項(xiàng)式更適用于曲線擬合和其他應(yīng)用。(2)對目前使用最廣泛的三種算法—梯度下降法、共軛梯度法和梯度最小二乘法—進(jìn)行了對比分析。分析這三種算法的性質(zhì)可知,梯度下降法取負(fù)梯度方向?yàn)樗阉鞣较?該法程序簡單,每次迭代的計(jì)算量少,節(jié)省了存儲空間,對于不太好的初始點(diǎn)也能收斂。但它的收斂速度呈線性化,收斂速度受到很大限制。共軛梯度方法常常用來解決大規(guī)模的非線性優(yōu)化問題。該方法僅需利用目標(biāo)函數(shù)值和梯度函數(shù)值,卻避免了梯度下降方法收斂速度慢的問題。另外,它還具有無矩陣的存儲以及二次終止性等優(yōu)點(diǎn)。但是共軛梯度法的收斂性取決于步長因子α有一個(gè)良好的取值,若步長因子α取值不當(dāng),算法有可能根本不收斂或是收斂到一個(gè)無法運(yùn)行的解點(diǎn)上。該方法通過遞推最小二乘法訓(xùn)練權(quán)值系數(shù),并對歷史數(shù)據(jù)進(jìn)行擬合以實(shí)現(xiàn)預(yù)測模型的參數(shù)估計(jì)。而遞推最小二乘法具有算法簡單、易于實(shí)現(xiàn)等特點(diǎn),因此被廣泛應(yīng)用。(3)提出一種基于Chebyshev多項(xiàng)式的預(yù)測方法。該方法使用遞推最小二乘法訓(xùn)練神經(jīng)網(wǎng)絡(luò)權(quán)值系數(shù),以獲得高精度的參數(shù)估計(jì),從而實(shí)現(xiàn)Chebyshev多項(xiàng)式模型對負(fù)荷量的最優(yōu)擬合,再利用訓(xùn)練好的切比雪夫多項(xiàng)式模型實(shí)現(xiàn)中長期負(fù)荷預(yù)測。仿真結(jié)果表明,該方法能較好模擬負(fù)荷的變化規(guī)律,預(yù)測結(jié)果提高了一個(gè)數(shù)量級,具有一定的中長期負(fù)荷預(yù)測能力。另外,通過仿真實(shí)例也可看出,改用Laguerre多項(xiàng)式的神經(jīng)網(wǎng)絡(luò)模型的預(yù)測方法也具有同等的預(yù)測精度。
【關(guān)鍵詞】：多項(xiàng)式模型 曲線擬合 遞推最小二乘法 負(fù)荷預(yù)測
【學(xué)位授予單位】：長沙理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM715
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-18
• 1.1 引言10
• 1.2 研究背景及意義10-11
• 1.3 本文研究的發(fā)展歷史和國內(nèi)外發(fā)展現(xiàn)狀11-13
• 1.4 電力系統(tǒng)負(fù)荷預(yù)測的分類13-14
• 1.5 負(fù)荷的分類和特性14-16
• 1.5.1 負(fù)荷分類14-15
• 1.5.2 負(fù)荷特性15-16
• 1.6 全文內(nèi)及章節(jié)安排16-18
• 第二章 基于多項(xiàng)模型的曲線擬合原理18-28
• 2.1 引言18
• 2.2 曲線擬合的基本原理18-19
• 2.2.1 曲線擬合的概念18-19
• 2.2.2 曲線擬合的優(yōu)劣判斷標(biāo)準(zhǔn)19
• 2.3 基于代數(shù)多項(xiàng)式的曲線擬合方法19-21
• 2.3.1 代數(shù)多項(xiàng)式的數(shù)學(xué)模型和特性19-20
• 2.3.2 代數(shù)多項(xiàng)式的曲線擬合20-21
• 2.4 基于Chebyshev多項(xiàng)式的曲線擬合方法21-23
• 2.4.1 Chebyshev多項(xiàng)式的數(shù)學(xué)模型和特性21-22
• 2.4.2 Chebyshev多項(xiàng)式的曲線擬合22-23
• 2.5 基于Legendre多項(xiàng)式神經(jīng)網(wǎng)絡(luò)擬合23-26
• 2.5.1 Legendre多項(xiàng)式模型及其特性23-25
• 2.5.2 基于Legendre多項(xiàng)式的擬合模型25-26
• 2.6 本章小結(jié)26-28
• 第三章 曲線擬合系數(shù)的算法28-42
• 3.1 引言28
• 3.2 梯度下降法28-30
• 3.2.1 梯度下降法的簡介28-29
• 3.2.2 基于梯度下降法的算法模型29-30
• 3.3 遞推最小二乘法30-34
• 3.3.1 基于遞推最小二乘法的算法模型31-33
• 3.3.2 算法步驟算法流程圖33-34
• 3.4 共軛梯度法34-40
• 3.4.1 基于共軛梯度法的算法模型35-36
• 3.4.2 算法流程36
• 3.4.3 改善矩陣A條件數(shù)的方法36-39
• 3.4.4 殘差校正方法39-40
• 3.5 實(shí)例仿真40-41
• 3.6 本章小結(jié)41-42
• 第四章 曲線擬合在電力系統(tǒng)負(fù)荷預(yù)測中的應(yīng)用42-50
• 4.1 引言42
• 4.2 電力負(fù)荷預(yù)測理論分析42-43
• 4.3 實(shí)例分析43-49
• 4.3.1 基于代數(shù)多項(xiàng)式擬合模型的RLS法負(fù)荷預(yù)測研究43-45
• 4.3.2 基于Chebyshev多項(xiàng)式擬合模型的RLS法負(fù)荷預(yù)測研究45-47
• 4.3.3 基于Laguerre多項(xiàng)式擬合模型的RLS法負(fù)荷預(yù)測研究47-49
• 4.4 本章小結(jié)49-50
• 第五章 總結(jié)與展望50-52
• 5.1 本文工作總結(jié)50-51
• 5.2 本文的特色及創(chuàng)新51
• 5.3 展望51-52
• 參考文獻(xiàn)52-58
• 致謝58-60
• 附錄A（攻讀碩士學(xué)位期間發(fā)表論文目錄）60-62
• 附錄B（攻讀碩士學(xué)位期間參與項(xiàng)目）62

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 鐘慶,吳捷,鐘丹虹;基于系統(tǒng)論的負(fù)荷預(yù)測集成化方法[J];電力自動化設(shè)備;2002年10期

2 張伏生,劉芳,趙文彬,寇強(qiáng),劉沛津,曹正建;基于Internet/Intranet的負(fù)荷預(yù)測系統(tǒng)方案[J];電力系統(tǒng)自動化;2003年10期

3 康重慶;牟濤;夏清;;電力系統(tǒng)多級負(fù)荷預(yù)測及其協(xié)調(diào)問題 (一)研究框架[J];電力系統(tǒng)自動化;2008年07期

4 李小銳;黎燦兵;袁彥;;基于下級負(fù)荷預(yù)測的短期負(fù)荷預(yù)測新算法[J];江西電力職業(yè)技術(shù)學(xué)院學(xué)報(bào);2008年02期

5 李新煒;王子琦;方鳴;周鵬;王啟明;李同;鞠平;;基于分區(qū)逐時(shí)氣象信息的全網(wǎng)負(fù)荷預(yù)測研究[J];電力系統(tǒng)保護(hù)與控制;2009年03期

6 康重慶;趙燃;陳新宇;楊興宇;曹欣;劉梅;;多級負(fù)荷預(yù)測的基礎(chǔ)問題分析[J];電力系統(tǒng)保護(hù)與控制;2009年09期

7 任峰;丁超;;市場環(huán)境下負(fù)荷預(yù)測誤差風(fēng)險(xiǎn)管理研究[J];現(xiàn)代電力;2009年03期

8 羅鳳章;王成山;肖峻;侯磊;王建民;李亦農(nóng);陳春琴;王賽一;;計(jì)及氣溫因素的年度負(fù)荷預(yù)測修正方法[J];電力系統(tǒng)及其自動化學(xué)報(bào);2009年03期

9 楊凱;;如何提高負(fù)荷預(yù)測的準(zhǔn)確率[J];大眾用電;2009年10期

10 李q，

本文編號：605190